Indonesia adalah negara yang memiliki sistem politik yang demokratis. Masyarakat memiliki kemampuan untuk berkomunikasi secara bebas. Jumlah orang yang menggunakan media sosial meningkat dengan cepat, terutama di kalangan pengguna platform "X". Tweet yang sedang populer saat ini berhubungan dengan pemilihan presiden 2024. Komentar tentang hasil pemilihan presiden tahun 2024 berkisar dari netral hingga positif. Untuk melakukan analisis sentimen mereka, banyak tweet dapat digunakan sebagai sumber informasi. Dengan menggunakan kategorisasi emosi, mungkin untuk menentukan apakah masyarakat umum puas atau tidak dengan hasil pemilihan presiden. Dengan menggunakan metode pembelajaran mesin, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap hasil pemilihan. Pengetahuan tentang opini publik akan bermanfaat untuk penilaian wacana publik dan strategi politik. Studi ini akan membandingkan algoritma Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM) untuk mengklasifikasikan tweet sentimen dari platform "X". Studi ini menyajikan analisis data yang dilakukan pada 2193 titik data dari platform X, yang dikategorikan ke dalam kategori netral, positif, dan negatif. TF-IDF digunakan untuk ekstraksi fitur, dan balancing SMOTE digunakan untuk mengatasi ketidakseimbangan data. Hasilnya menunjukkan bahwa Naive Bayes Classifier (NBC) memiliki akurasi sebesar 62,41% dan Support Vector Machine (SVM) memiliki akurasi sebesar 62,19%. Akurasi ini menunjukkan kemampuan model-model tersebut dalam mengklasifikasikan berbagai sentimen publik antara peristiwa politik, tetapi juga menunjukkan kelemahan mereka. Dengan menilai seberapa efektif algoritma-algoritma ini dan menekankan betapa pentingnya menangani data yang tidak seimbang dalam penelitian yang menggunakan media sosial, makalah ini membantu pengembangan analisis sentimen.